基于顾客序列购买模型的零售业交叉销售策略研究

田 敏 李雪萍

摘 要:在零售业和金融行业中,经常发现顾客会从同一个供应商那里按照一定顺序购买多种产品。这种序列购买会发生在很长的一段时期内,并且通常就其复杂性和功能性构成一定的顺序,根据顾客已经购买的产品或服务可以预测顾客将可能要购买的产品。这种情况通常会为有多种产品和服务的企业提供一个重要的机会,让他们向现有客户“交叉销售”其它产品和服务。本文通过对零售业交叉销售机会研究,分析了零售业实施交叉销售具有广阔的前景,同时建立顾客序列购买模型对零售业实施交叉销售进行预测,期望为我国零售业有效实施交叉销售提供思路与建议。

关键词:序列购买;交叉销售;需求成熟;零售业

中图号:F713.50文献标志码:A文章编号:9451(2009)02-136-06

Research on the CrossMSelling in Retail

Based on the Sequentially Ordered Products

TIAN Min,LI XueMping

((School of Economics and Management,Xian Technology University,Xian 710032,China)

Abstract:It is found that customers purchase different products from the same supplier in some sequence.The sequential purchase lasts for a long time and can be naturally ordered in terms of its complexity and functionality.The products and services that customers are likey to parchase can be predicted according to what they have purchased,which provides the enterprises who offer a variety of products and services with an important opportunity to crossMsell other products to the existing customers.A study of the crossMselling opportunity in retail shows a bright future for its implementation.The model of customer sequential purchase is established to predict and give advice to the effective implementation of crossMselling in retail.

Key Words:sequentially ordered products;crossMselling;demand maturity;retail trade;CRM

顾客经常会从同一企业那里购买多种产品或服务,而这些产品会因为其复杂性和功能性排列出一定的顺序,这就为根据顾客当前购买的产品和已经拥有的产品来预测顾客未来购买何种产品提供了一定的经验规则。例如:一位女士在光顾了美容院的美发沙龙或SPA之后才会在这家美容院进行面部护理;一个家庭可能在一家通讯公司办理了电话业务之后才办理上网服务;顾客在购买了某品牌洗发水之后可能还会购买此品牌的护发素。这些例子共同的特点就是顾客很可能在购买了一些产品之后才去购买另外一些产品,在很多行业都存在这样的情况,通常把顾客对于多种产品或服务的补充需求的发展叫做“自然排序”(natural ordering)。

顾客从同一企业购买产品可以加强与企业的联系,从而减少寻求新企业所带来的时间成本和精神成本,对购买的附加产品增加了可信度,在某种情况下也可以保证与顾客已经拥有产品的技术兼容性。

顾客的这种“自然排序”需求状态为提供这些产品来满足顾客连续发展需求的企业提供了很好的机会。这些公司往往提供多种产品或服务,从而使得他们可以向企业现有的顾客“交叉销售(crossMselling)”其他产品和服务。由于保持一个老顾客比吸引一个新顾客所花费的成本低的多,因此,通过“交叉销售”可以使企业从现有顾客身上得到更多额外的盈利机会。同时,还可以提高顾客的保持力,更多的复杂关系也可以提高顾客的转移成本。

随着中国零售企业从有保护的竞争阶段走向全面竞争时代,外资零售巨头的竞争,对我国零售业提出严峻的挑战。很多零售企业已经意识到,现有顾客是购买其新产品或现有产品和服务的最佳目标。通过对顾客的序列购买路径进行分析,有效地预测顾客的购买决策,从而有针对性地实施营销努力,成功的进行交叉销售,不但可以提高销售的成功概率还可以大大降低零售企业花费在非目标顾客身上的成本。因此研究零售企业有效实施交叉销售的策略对于零售企业非常重要。

一、文献回顾

目前,国外对于交叉销售的研究主要集中在顾客序列购买行为模式方面,如Hauser,Urban;Mayo,Qualls;Boulding,Karla,Staelin,Zeithaml;Bitner,Zeithaml,这些研究描述了序列购买模式的实体;Kamakura,Ramaswami,Srivastava将隐性分析用于评价金融服务交叉销售的前景,建立了交叉销售机会模型,运用这种方法,对金融服务购买类型以及对现有金融产品的顾客其家庭的潜在金融成熟期进行了评估; Kamakura,Kossar提出了分割风险率模型,主要预测顾客适应一种新产品的时间,这个时间与顾客以前适用多种产品的时间密切相关;Knott,Hayes,Neslin提出了四个购买新产品的模式,包括判别式分析,多项分对数,回归分析以及神经网络,这些模式可以用于预测顾客购买下一件产品的可能性与购买时间;Kamakura,Wedel,de Rosa,Mazzon提出混合数据因素分析,扩展了因素分析方法使其适用于各种数据类型如:优良数据、统计数据以及等级数据并且用于根据顾客交易数据配合识别每一产品的最优期望。最初,这些研究者并没有研究潜在维度的行为解释,而是把注意力放在低维度的用数据描述的结构上。Edwards and Allenby提出一种通用的方法对多元二项式概率约束模式进行识别,并且提出了一个对于大量响应销售权特别有效的法则,其中一项应用于金融产品所有权的数据观测。以上这些文章应用代表性的数据着重于通过比较度量顾客以前拥有其他产品来推断交叉销售的有利机会,结果是下一件产品的销售概率与其市场份额等级是一致的。这种方法忽视了随着时间的推进,顾客个人需求也将不断发展,考虑到这一点有助于形成代表性的研究交叉销售的方法。

西 安 工 业 大 学 学 报 第3卷

第2期田 敏等:基于顾客序列购买模型的零售业交叉销售策略研究

国内目前还没有关于交叉销售的专门研究,大多数研究只是将交叉销售作为客户关系管理的一部分内容,如周意、李峰峰认为:利用先进的数据仓库技术建立集中的、包括详细交易数据的商业智能解决方案,已经成为各大商业银行对内加强管理和决策支持,对外更好地了解客户需要、开发新产品或服务、利用现有渠道对客户进行交叉销售、增强盈利能力并在特定的业务领域提供差异化服务的重要手段。王扶东、李兵、 薛劲松等认为:分析功能的深化是客户关系管理的一大发展趋势,交叉销售分析是客户关系管理中主要分析的内容之一。他们针对企业需求,分析和描述了交叉销售中的两类问题,根据其特点提出了一种前件固定、后件受约束的关联规则快速挖掘算法,以及一种后件固定、前件受约束的关联规则快速挖掘算法。朱建秋、蔡伟杰、朱扬勇研究认为:CIAS是将数据挖掘技术应用在CRM领域而开发的一个客户智能分析平台.它将数据挖掘划分为三个层次:算法层、商业逻辑层、行业应用层,构建了一种新型的数据挖掘系统体系结构。CIAS的商业逻辑层包括交叉销售、客户响应、客户细分、客户流失、客户利润,五个商业模型。郭国庆、吴剑峰、钱明辉从中美两国营销环境的差异分析入手,研究了中国金融业应用交叉销售必须解决的问题及其发展前景。他们认为,金融业在中国尚处于初级阶段,交叉销售的产品及其必要性十分有限,在应用交叉销售之前,需要做好大量的数据处理、转化和集成工作,金融业运用交叉销售是不可逆转的趋势,其在中国的应用只是时间问题。汪涛、崔楠对国外交叉销售机会和优化交叉销售实施两个方面对交叉销售的研究文献进行了综述,并指出现有研究文献存在的不足之处。郭国庆、钱明辉、孟捷对我国医药零售行业跨产品类型交叉销售从顾客满意、信任承诺、购买约束与顾客忠诚之间存在的关系进行了研究,通过模型的比较与优化,对交叉销售行为影响顾客忠诚的模式进行了判别。

从国内外相关文献可以看出,目前国外对交叉销售的研究更多的集中在金融业,而国内对于交叉销售的研究更多的是对国外研究的分析与总结。而如何从顾客需求角度出发,用系统的观念对影响顾客交叉购买因素及交叉购买行为模式进行研究以帮助零售企业实现交叉销售,目前研究还较少。本文希望通过对零售业顾客序列购买行为模式分析与研究,借助数量经济的有关方法构建顾客序列购买模型,对零售企业交叉销售各种产品的时机进行最佳预测,为零售企业管理者有效保持优质客户,降低销售成本,提升销售努力的效率提供思路。

二、零售业实施交叉销售的前景分析

自2003年世界经济进人新一轮快速增长期以来,全球零售业保持了快速增长态势。大多数国家的零售业销售额增长都超过了GDP增长幅度,零售业良好的增长态势首先得益于近几年全球经济的快速增长。2006年全球经济增长率达到5.4%,全球股市上扬带来的财富效应也从需求的层面带动了全球零售业的增长,全球劳动力市场也呈现出持续改善的趋势,失业率逐步下降,改善了中低收人顾客对未来的预期,有益的推动了零售业的增长。

顾客的需求是零售业态发展的风向标,现代生活多元化、消费需求细分导致零售业态多样化、细分化。顾客既需要购买基本的生活用品,也需要满足休闲、娱乐等精神层次的满足,因此形成多业态共存——既有历史悠久的百货店、专业店,也有新兴的网上虚拟商店既有大型复合业态式的购物中心,也有小型的专卖店、便利店。面向未来消费群的消费趋势,德国麦德龙加快了对未来商店的试运行,早在2003年4月麦德龙开始就与IBM、微软、等多家厂商合作,在德国北部莱因伯格建立一家未来商店进行试运行,通过个人购物帮手、信息查询机、智能磅秤、电子货架标签、智能型货架、电子广告牌既能同步协助店家监控货品流向与存货数量,又让顾客享有全新的购物体验。

零售业本身经营商品种类多,很多零售企业给顾客提供“回报计划”,有研究表明,在美国超过70%的杂货零售店都提供了常购买计划,与此同时,大约53%的杂货店,其顾客选择参与了这样的回报计划。1996年澳大利亚的飞行计划最终吸引了超过3000000会员,全国近25%的家庭都参与了该项计划。在国内,企业将回报计划作为营销工具也日益盛行。携程旅行网(ctrip.com,中国旅游业第一家在美国纳斯达克上市的公司)为其会员设立了“积分奖励计划”,会员可以通过多种方式积累积分,并根据积分多少随时兑换价值不等的奖励;在电信业,中国电信、中国移动、中国联通分别推出了自己的“积分计划”;在零售业,百盛(Parson)也为其客户在全国范围内提供“会员卡计划”,为年购买金额超过4000元人民币的会员提供回报;在汽车销售维修行业(4S店)、娱乐业、房地产业也有企业开始实施积分计划。

零售业的多元化发展,零售企业实施的回报计划这些因素都为零售业实施交叉销售提供了更广阔的发展空间。零售行业实施交叉销售的SWOT分析如表1。

表1 零售行业实施交叉销售的SWOT分析

优势(Strength)

1. 零售业产品丰富,种类多,便于交叉销售;

2. 交叉销售能够为商家创造更多额外盈利机会,增强盈利能力;

3. 为商家赢得顾客,增强客户忠诚度;

4. 增强企业形象,创造无形价值;

5. 是竞争的一种手段,提高竞争力。

劣势(Weakness)

1.零售行业缺乏经营理念,交叉销售的使用可能会扩展有些困难;

2.交叉销售需要长期的观察,并进行分析,需要管理者有较强的预测力。

机会(Opportunity)

1. 经济快速增长,零售业增长态势良好;

2. 零售业的多元化发展;

3. 零售行业营销模式最灵活,便于引进新方法;

4. 交叉销售在零售行业市场前景很好,有很强的挖掘潜力。

5. 多数零售行业实施了汇报计划,为交叉销售提供广阔发展空间。

威胁(Threat)

1.交叉销售用于零售行业还没有可供参考的案例;

2.零售市场顾客具有分散性;

3.零售行业商家多,竞争较为强烈。

三、零售业实施交叉销售的す丝托蛄泄郝蚰Ｐ徒立

顾客对于多种产品的需求通常不是同时发生,而是按照一定的顺序发生的,经济理论已经表明,在资源有限的情况下,在需求目标中存在着“优先结构”,而且这种优先结构可以转化成产品的优先结构。也就是说一般的可以对多种产品进行一个优先结构的排序,大致反映顾客对这些产品需求的先后,实际上这样的排序间接的反映出零售企业实施交叉销售的路径。顾客到底会在下一次购买何种产品是零售企业最想了解的,这就需要进一步分析顾客当前的需求成熟状况,顾客的需求状态离哪个产品最近,顾客则最有可能购买这种产品,从而可以预测出顾客的下一次购买决策,帮助零售企业有效的发挥其营销努力,顺利的实施交叉销售。构建顾客序列购买模型的思路基本如图1。

图1顾客序列购买模型思路图

(一)多种产品优先结构排序

对于多种产品优先结构的排序可以通过两种方式来获得:第一种是通过顾客拥有产品状况的分析,从而可以大致了解产品购买的先后顺序,从而对产品进行优先结构的排序,这种排序可以是等距的,也可以按照顾客的拥有状况得出不等距的排列顺序;第二种方式可以通过对管理者的访谈,了解各种产品的优先结构顺序。每个产品的优先结构等级记为I璲。

(二)顾客的需求成熟状态

A﹊t-1=∑Jj=1I璲B﹊jt-1(玆FM)(1)

公式(1)描述了顾客需求成熟状态,其中A﹊t-1表示在t-1时刻顾客i的需求成熟状态;I璲是产品j在产品序列中的优先等级,在这里作为衡量j产品的系数,反映是否拥有产品j对顾客的需求成熟状况的影响大小;B﹊jt-1表示在t-1时刻,顾客是否拥有产品j,如果拥有则B﹊jt-1 =1,否则为0;影响顾客的需求成熟状态的还有RFM因素。

(三)顾客对多种产品的需求列表

C璲=|A﹊t-1-I璲|(2)

从公式(2)可以得出顾客对多种产品的需求距离列表,C璲越小说明顾客的需求离产品j的等级越近,顾客也越可能购买这种产品。但是顾客是否会购买这种产品还不能完全确定,还需要进一步结合顾客其他可度量因素,如顾客的收入状况、顾客的受教育程度、以及顾客的年龄性别等人口统计变量等以及其他不可观测的因素。

(四)顾客序列购买模型效用方程的构建

U﹊jt=β1C璲+β2玠emography+β3玬arketingeffort+β4玞ompetitoreffort+ε﹊jt(3)

公式(3)描述了玧产品对于顾客i在t时刻的效用,其中 代表顾客的需求状态与产品j的距离;demography变量代表一系列的人口统计变量,包括年龄、性别、收入、受教育程度等等;marketingeffort变量代表该企业的营销努力,包括促销活动等;competitoreffort变量代表竞争者的营销努力,在这里这个因素是抑制顾客需求的因素,直接会降低顾客选择玧产品的效用; 是不可观测的其他影响效用的因素。

效用方程计算的结果将作为预测顾客序列购买产品的依据,哪个产品在玹时期的效用最大说明顾客最可能在下一步购买这个产品。

四、总结与未来研究方向

通过建立顾客序列购买模型,预测顾客的购买决策可以帮助零售企业收集决定客户需求成熟度状态的信息,企业就不会把营销资源分配给那些不可能采用新产品或服务的客户身上,从而为营销资源的高效使用提供了更准确的信息。同时零售企业广泛实施的“客户回报计划”也为交叉销售的顺利实施提供了更好的条件。

在以后的研究中还需要对以下两个问题进一步研究,首先,影响零售业实施交叉销售的因素需要从顾客和企业两方面进行深入分析,从而为初步建立的模型中的相关具体变量的选择提供理论依据;另外,文章虽然初步建立了顾客序列购买模型,但还没有通过实际数据对模型进行进一步的评估和检验。通过对实际零售企业调研,获取顾客数据信息,对模型进行实证分析将是下一步的研究方向。

参考文献:

Kamakura S Ramaswami,Srivastava R.Applying Latent Trait Analysis in the Evaluation of Prospects for CrossMSelling of Financial Services.International Journal of Research in Marketing,1991,8(4):329.

Kamakura, Wagner A M,Wedel F de Rosa,Mazzon J A.CrossMselling Through Database Marketing: A Mixed Data Factor Analyzer For Data Augmentation and Prediction.International Journal of Marketing Research,2003(20):45.

Hauser J R,Urban G L.The Value Priority Hypotheses for Household Budget Plans.Journal of Consumer Research,1986(12): 446.

Mayo M C,Qualls W J.Household Durables Goods Acquisition Patterns: A Longitudinal Study.Advances in Consumer Research, 1987(14):463.

Bitner, Mary Jo,Valarie Zeithaml.Services Marketing.London:McGrawMhill.Inc,1996.

Boulding William, Ajay Karla, Richard Staelin,et al.A Dynamic Process Model of Service Quality: From Expectations of Service.Journal of Marketing Research,1993,30(1):7.

Kamakura Wagner A,Bruce S Kossar.Identifying Innovators for the CrossMselling of New Products.Management Science,2004(8):1120.

Knott Aaron,Andrew Hayes,Scott A.Neslin.NextMProductMtoMBuy Models for CrossMSelling Applications.Journal of Interative Mathetiy,2002(16):59.

Edwards Y D,Allenby G.Multivariate Analysis of Multiple Response Data.Journal of Marketing Research,2003(8):321.

周 意,李峰峰.基于CRM的银行业务应用模块分析.中国金融电脑,2004(2):30.

王扶东,李 兵, 薛劲松,等.客户关系管理中基于约束的关联规则挖掘方法研究.计算机集成制造系统MCIMS,2004,4(10):465.

朱建秋, 蔡伟杰,朱扬勇.CIAS:一个客户智能分析数据挖掘平台.小型微型计算机系统,2003(12):2255.

郭国庆,吴剑峰,钱明辉.交叉销售在中国金融业的应用前景研究:美国的经验与启示.南开管理评论,2005(1):47.

汪 涛,崔 楠.国外交叉销售研究综述.外国经济与管理,2005(4):43.